量子科技中心_量科网

量子算法需要通过重复执行电路（即shots）来准确估计输出分布。确定满足目标精度所需的最小shot数量，对于降低成本与资源消耗至关重要，尤其是在当今噪声大且昂贵的量子硬件上。本文在黑箱设置中研究shot优化问题，不对量子电路结构或后端噪声模型做任何假设。作者提出了IncrementalExecution这一新型在线框架，该框架基于边际效益递减原则动态决定何时停止执行shots：即当新增shots不再显著改变固定电路的经验分布时停止。该框架支持可定制的shot管理策略，能够在静态执行场景中灵活权衡执行成本与结果保真度。研究团队通过大规模实验评估了该方案，覆盖了180种独特的静态量子电路-后端组合上的33,750种框架配置，总计进行了730万次独立实验。与以往依赖问题特定知识或算法相关假设（如变分或自适应工作流）的工作不同，该团队的方法适用于大量静态电路，并可立即部署于当前量子云平台。